canny函数与sobel函数详解

canny函数

（1）若某一像素位置的幅值超过高阈值，该像素被保留为边缘像素。 
（2）若某一像素位置的幅值小于低阈值，该像素被排除。 
（3）若某一像素位置的幅值在两个阈值之间，该像素仅仅在连接到一个高于高阈值的像素时被保留。 
void Canny(inputArray,outputArray,double threshold1,double threshold2,int apertureSize=3,bool L2gradient=false) 
*第一个参数，输入图像，且需为单通道8位图像。 
*第二个参数，输出的边缘图。 
*第三个参数，第一个滞后性阈值。用于边缘连接。 
*第四个参数，第二个滞后性阈值。用于控制强边缘的初始段，高低阈值比在2:1到3:1之间。 
*第五个参数，表明应用sobel算子的孔径大小，默认值为3。 
*第六个参数，bool类型L2gradient，一个计算图像梯度幅值的标识，默认值false。

sobel函数

void Sobel(inputArray,outputArray,int ddepth,int dx,int dy,int ksize=3,double scale=1,double delta=0,int borderType=BORDER_DEFAULT) 
*第一个参数，输入图像。 
*第二个参数，输出图像。 
*第三个参数，输出图像深度。 
*第四个参数，x方向上的差分阶数。 
*第五个参数，y方向上的差分阶数。 
*第六个参数，Sobel核的大小，默认值为3，必须为1、3、5、7。当为1时，往往使用3x1、1x3的内核，这种情况下，没有进行高斯平滑操作。 
*第七个参数，计算导数值时可选的缩放因子，默认值1，表示默认情况下没用应用缩放。 
*第八个参数，表示在结果存入输出图像之前可选的delta值，默认值0。 
*第九个参数，边界模式。 
补充说明： 
（1）当内核大小为3时，Sobel内核可能产生比较明显的误差，为了解决这一问题，Opencv提供了Scharr函数，但该函数仅作用于大小为3的内核，该函数的运算与Sobel函数一样快，但结果却更加精确。 
（2）因为Sobel算子结合了高斯平滑和分化，因此结果会具有更多的抗噪性。


实例：
    Mat x_edgeImg, y_edgeImg;
    Mat abs_x_edgeImg, abs_y_edgeImg;
    Sobel(tempel_img,x_edgeImg, CV_16S, 1, 0, 3, 1, 1,  BORDER_DEFAULT);
    convertScaleAbs(x_edgeImg, abs_x_edgeImg);
    Sobel(tempel_img, y_edgeImg, CV_16S, 0, 1, 3, 1, 1,  BORDER_DEFAULT);
    convertScaleAbs(y_edgeImg, abs_y_edgeImg);
    addWeighted(abs_x_edgeImg, 0.5, abs_y_edgeImg, 0.5, 0, temp_canny_img);
	imshow("canny",temp_canny_img);

addWeighted（）函数是将两张相同大小，相同类型的图片融合的函数
void addWeighted( const CvArr* src1, double alpha,const CvArr* src2, double beta,double gamma, CvArr* dst );
参数1：src1，第一个原数组.
参数2：alpha，第一个数组元素权重
参数3：src2第二个原数组
参数4：beta，第二个数组元素权重
参数5：gamma，图1与图2作和后添加的数值。不要太大，不然图片一片白。总和等于255以上就是纯白色了。
参数6：dst，输出图片